PDF
普通的文章|开放获取
Sudeepa Bhattacharyya, Joshua Epstein, Larry J. Suva， ＂使用SELDI-TOF质谱、统计和机器学习工具检测鉴别多发性骨髓瘤患者是否累及骨骼的生物标志物"，疾病标记， 卷。22， 文章的ID728296， 11 页面， 2006． https://doi.org/10.1155/2006/728296
使用SELDI-TOF质谱、统计和机器学习工具检测鉴别多发性骨髓瘤患者是否累及骨骼的生物标志物
摘要
多发性骨髓瘤(MM)是一种严重衰弱的肿瘤疾病的B细胞起源，发病率和死亡率的主要来源与无约束的骨破坏。表面增强激光解吸/电离飞行时间质谱(SELDI-TOF MS)用于筛查MM患者骨骼累及的潜在生物标志物。采用铜离子固定化金属亲和SELDI芯片阵列对24例骨病变大于3个和24例无骨病变的患者进行分离分析。将得到的光谱进行汇编、归一化，并鉴定出质量电荷比(m/z)在2000到20000 Da之间的质量峰。将所有分数的峰值信息结合在一起，并使用单变量统计、线性偏最小二乘判别分析(PLS-DA)和非线性随机森林(RF)分类算法进行分析。PLS-DA模型的预测精度在96-100%之间，而RF模型的特异性和敏感性分别为87.5%。两种模型以及多重比较调整的单变量分析确定了一组四个峰，它们是两组患者之间最具区别性的，并有望作为未来诊断和/或治疗目的的潜在生物标志物。
版权
版权所有©2006 Hindawi出版公司。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。
